Abstract：

变分量子算法利用强大的经典算力来训练含参量子电路中的参数，是量子人工智能最重要的基石之一。变分量子算法面临很多挑战，其中以贫瘠高原带来的可训练性问题最为显著。本报告介绍我们利用近年来出现的以李代数工具理解变分量子算法的工作。我们分析了QAOA算法---一类广为研究的组合优化变分量子算法---在一些特殊图上的代数结构，并证明了在圈图上并无变分量子算法常见的“贫瘠高原”训练困难问题。我们然后证明对几乎全部有权图和无权图，QAOA都有贫瘠高原现象。研究揭示了图的对称性对QAOA可训练性的复杂影响。希望此系列工作可以启发更多系统性研究，对变分量子算法进行严格的代数分析和有效设计。

Bio：

张胜誉，腾讯杰出科学家，腾讯量子实验室负责人，原香港中文大学终身教授。复旦数学系本科，清华计算机系硕士，普林斯顿大学计算机系博士，加州理工学院博士后。研究领域为量子算法、量子电路、量子系统、理论计算机科学、人工智能基础及在物理、化学、生物医药等方面的应用。在相关领域顶级期刊和会议上发表百余篇文章；于多个国际期刊/会议中任编委/程序委员。2018年加入腾讯后致力于推动公司在量子算法及电路理论研究，相关软件和系统的研发，以及在信息处理，制药，材料等行业应用的探索。